تحلیل بقاء در R برای بهداشت عمومی

آنچه خواهید آموخت

• اجرای نقشه‌های Kaplan-Meier و رگرسیون Cox در R و تفسیر خروجی‌ها
• شرح یک مجموعه داده از ابتدا، با استفاده از آمار توصیفی و روش‌های گرافیکی ساده، به عنوان اولین قدم برای تحلیل‌های پیشرفته‌تر
• شرح و مقایسه روش‌های معمول برای انتخاب مدل رگرسیون چندگانه

توضیحات دوره

به دوره تحلیل بقاء در R برای بهداشت عمومی خوش آمدید!

سه دوره قبلی در این سری، به تفکر آماری، همبستگی، رگرسیون خطی و رگرسیون لجستیک اختصاص داشتند. در این دوره، نحوه انجام تحلیل بقاء یا «زمان تا رویداد» را نشان خواهید داد. مفاهیمی مانند خطر و سانسور که ممکن است معمولی و در عین حال فریبنده به نظر برسند، در این زمینه معانی خاص دارند. با استفاده از نرم‌افزار محبوب و کاملا رایگان R، یاد می‌گیرید چگونه یک مجموعه داده را از ابتدا وارد کنید، آن را در R وارد کنید، تحلیل‌های توصیفی ضروری را برای شناخت ویژگی‌ها و تفاوت‌های داده انجام دهید و از نقشه‌های Kaplan-Meier شروع کرده و تا رگرسیون Cox چندگانه پیش بروید.

در این دوره، داده‌های شبیه‌سازی شده از داده‌های واقعی و پراکنده بیماران بستری در بیمارستان با نارسایی قلبی استفاده می‌شود. یاد می‌گیرید چه عواملی پیش‌بینی‌کننده مرگ‌ومیر پس از آن هستند، موارد فرضیه‌سازی و سازگاری مدل با داده‌ها را آزمایش کنید و برخی ترفندهای ساده برای حل مشکلات رایجی که در داده‌های سلامت عمومی واقعی وجود دارد، بکار ببرید. در طول این دوره، پرسش‌های کوتاه و تمرین‌های عملی در R همراه با بازخورد برای سنجش درک خود خواهید داشت.

پیش‌نیازهای دوره

برخی معادلات برای فهم بهتر ارائه شده است، اما این دوره نیازمند مدرک ریاضی نیست. به مقیاس‌پذیری پایه‌ای (مثل اینکه حساب دیفرانسیل و انتگرال را نخواهید داشت) و آشنایی با روش‌های تصویری و جدول‌بندی نتایج نیاز دارید. دوره‌های قبلی توضیح مفاهیمی مانند آزمون فرض، مقادیر p، فواصل اطمینان، همبستگی و رگرسیون را پوشش دادند و چگونگی نصب R و اجرای فرمان های پایه را نشان دادند. در این دوره، این مفاهیم پایه را مختصراً مرور می‌کنیم، اما اگر با آن‌ها آشنا نیستید، پیشنهاد می‌شود دوره اول «تفکر آماری در سلامت عمومی» و شاید دوره دوم درباره رگرسیون خطی را قبل از شروع دوره فعلی بگذرانید.